【技术实现步骤摘要】
本专利技术属于涉及设备故障检测，尤其是涉及一种基于知识图谱的电力计量流水线故障定位方法及系统。
技术介绍
1、随着我国电力行业的讯速发展，智能化电气设备在电力系统中得到广泛应用，电力计量检定智能化是电力企业在智能电网建设部署下提出的明确建设要求。自动化检定系统的关键在于能够对检定流水线系统的故障进行智能预警，通知并进行全面的故障预防排查措施，实现对自动化检定流水线的故障预防。
2、目前，国内检定流水线采用的检定算法主要是采用传统数据挖掘方法，总体存在采集的数据不全面、数据量相对偏少、诊断效果不佳且效率低的缺陷。同时，现有的设备故障诊断是通过单个硬件报错，并没有从整个流水线和流水线相互之间的影响去考虑及分析，整体诊断效果不佳。
3、本专利技术针对上述缺点,提出一种基于知识图谱的电力计量流水线故障定位方法及系统，旨在解决如何在流水线相互之间的影响的前提下，通过轨迹数据的粗步定位与精确定位，用于准确识别流水线故障，对运维现场的各种故障诊断具有重要的意义。
技术实现思路
1、为了克服上述现有技术的不足，本公开提供了一种基于知识图谱的电力计量流水线故障定位方法及系统，通过提取轨迹数据特征，设计轨迹数据的粗步定位与精确定位，提高预测的准确性，解决现有故障检测成本高、效率低及灵活度低的问题。
2、本公开所采用的技术方案是：
3、本专利技术实施例的第一方面提出一种基于知识图谱的电力计量流水线故障定位方法，包括：
4、通过智能设备和传感器组
5、将所述日志数据进行聚类，构建以终端设备标识为聚类中心的数据集合；
6、将所述数据集合根据时间段顺序划分为多个数据块；
7、以所述时间段标识为索引，分别根据所述多个数据块构建终端设备的轨迹数据，所述轨迹数据为预设时间段内所述终端设备与流水线中其他设备之间具有交互的设备标识序列；
8、根据所述轨迹数据实现故障的粗步定位，所述粗步定位包括：
9、将所述轨迹数据的时间段标识与数据库中的时间段标识进行匹配，
10、判断是否存在预设时间段标识，如果存在，则将对应的轨迹数据与对应时间段内的参考轨迹数据进行相似度比对；
11、根据对应的轨迹数据与对应时间段内的参考轨迹数据的相似度，得到相似轨迹的各设备标识，确定粗定位预测结果；
12、根据所述粗定位预测结果实现故障的精确定位，所述精确定位包括：
13、将粗定位预测结果中所述相似轨迹的各设备标识与电力故障知识图谱中的关联数据相匹配，其中，所述电力故障知识图谱中包括各种设备标识与关联数据的对应关系；
14、根据匹配结果对待检测流水线进行故障定位。
15、可选的，在本专利技术实施例第一方面的第一种实现方式中，将所述日志数据进行聚类，构建以终端设备标识为聚类中心的数据集合，包括：
16、以终端设备标识为初始质心，进行分组；
17、通过计算每个样本与每个质心属于同一族的概率，将每个样本分配给其最靠近的质心，即将数据集划分为k个类别，所述概率计算过程包括：
18、以终端设备标识为不同的类族，生成n×nc矩阵，其中nc是所有基聚类的总簇数；
19、对n维样本空间中的随机向量x，若x服从高斯分布，其概率密度函数为：
20、其中，μ是n维均值向量，所有成对的概率将成形一个n×n的协方差矩阵，h是n×n的协方差矩阵。
21、可选的，在本专利技术实施例第一方面的第一种实现方式中，将相似轨迹的各设备标识与电力故障知识图谱中的关联数据相匹配，包括：
22、从电力故障知识图谱中的关联数据中提取关键内容特征，所述电力故障知识图谱中包括各种设备标识与关联数据的对应关系；
23、将提取的关键内容特征输入向量模型得到内容特征向量；
24、从待匹配的轨迹数据中提取文本特征；
25、将提取的关键内容特征输入向量模型得到文本特征向量；
26、将内容特征向量通过对比学习的方法得到差异化的内容特征向量；
27、将所述文本特征向量与所述差异化的内容特征向量进行相似度比对；
28、根据所述相似度比对结果确定搜索结果。
29、可选的，在本专利技术实施例第一方面的第一种实现方式中，所述将内容特征向量通过对比学习的方法得到差异化的内容特征向量，包括：
30、获得分类后的包括正样本和负样本的训练样本集及初始分布参数；
31、通过正负样本的对比学习，挖掘样本分布规律，得到对比损失值；
32、基于对比损失值构建多模态自监督学习模型；
33、将内容特征向量输入多模态自监督学习模型得到差异化的内容特征向量。
34、可选的，在本专利技术实施例第一方面的第一种实现方式中，计算得到所述对比损失值，公式为：
35、
36、其中，αi、βi分别表示相关系数，simi(x,y)表示相关样本向量(x,y)之间的相似度，simi(x,z)表示不相关样本向量(x,z)之间的相似度，n表示模态类别，1≤i≤n。
37、可选的，在本专利技术实施例第一方面的第一种实现方式中，所述在将将相似轨迹的各设备标识与电力故障知识图谱中的关联数据相匹配，之前还包括：
38、采集各平台收集来的电力计量流水线数据；
39、将发生故障的数据进行故障标识；
40、通过数据挖掘技术对各设备之间的关联关系进行分析，对即将发生故障的数据进行标识；
41、根据流水线设备故障与所述故障标识和即将发生故障的数据标识之间的对应关系构建电力计量流水线故障知识图谱。
42、本专利技术实施例的第二方面提供了一种基于知识图谱的电力计量流水线故障定位系统，包括：
43、信息采集模块，用于通过智能设备和传感器组定时采集电力计量自动化流水线部分设备运行日志数据；
44、信息预处理模块，用于将所述日志数据进行聚类，构建以终端设备标识为聚类中心的数据集合；
45、数据块划分模块，用于将所述数据集合根据时间段顺序划分为多个数据块；
46、轨迹数据表示模块，用于以所述时间段标识为索引，分别根据所述多个数据块构建终端设备的轨迹数据，所述轨迹数据为预设时间段内所述终端设备与流水线中其他设备之间具有交互的设备标识序列；
47、粗步定位模块，用于根据所述轨迹数据实现故障的粗步定位，所述粗步定位包括：
48、将所述轨迹数据的时间段标识与数据库中的时间段标识进行匹配，
49、判断是否存在预设时间段标识，如果存在，则将对应的轨迹数据与对应时间段内的参考轨迹数据进行相似度比对；
50、根据对应的轨迹数据与对应时间段内的参考轨迹数据的相似度，得到相似轨迹的各设备标识，确定粗定位预测结果；
【技术保护点】
1.一种基于知识图谱的电力计量流水线故障定位方法，其特征在于，包括：
2.根据权利要求1所述的基于知识图谱的电力计量流水线故障定位方法，其特征在于，将所述日志数据进行聚类，构建以终端设备标识为聚类中心的数据集合，包括：
3.根据权利要求1所述的基于知识图谱的电力计量流水线故障定位方法，其特征在于，将相似轨迹的各设备标识与电力故障知识图谱中的关联数据相匹配，包括：
4.根据权利要求3所述的基于知识图谱的电力计量流水线故障定位方法，其特征在于，所述将内容特征向量通过对比学习的方法得到差异化的内容特征向量，包括：
5.根据权利要求4所述的基于知识图谱的电力计量流水线故障定位方法，其特征在于，计算得到所述对比损失值，公式为：
6.根据权利要求1所述的基于知识图谱的电力计量流水线故障定位方法，其特征在于，在将将相似轨迹的各设备标识与电力故障知识图谱中的关联数据相匹配，之前还包括：
7.一种基于知识图谱的电力计量流水线故障定位系统，所述系统应用于权利要求1所述的基于知识图谱的电力计量流水线故障定位方法，包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。